[發明專利]一種基于多錨點跟蹤的目標檢測和定位的方法

在審

• 申請號: 201710104314.X
• 申請日: 2017-02-24
• 公開（公告）號: CN106803255A
• 公開（公告）日: 2017-06-06
• 發明（設計）人: 夏春秋
• 申請（專利權）人: 深圳市唯特視科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/292;G06T7/90
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及目標檢測和定位領域，尤其是涉及了一種基于多錨點跟蹤的目標檢測和定位的方法。

背景技術

目標跟蹤定位技術是目前極具挑戰性的研究熱點之一，到現在已經形成了一系列的方法，其在視頻監控、智能交通、人機交互和軍事領域都具有巨大的應用前景。目標跟蹤問題的主要技術難點是實時、準確和穩定地將感興趣的目標變現出來，但是目標可能由于照明、遮擋、變形、運動模糊等而難以檢測，目前大多數檢測技術的準確率和穩定性都不高，因此目標對象的檢測和準確定位仍存在一定難度。

本發明提出了一種基于多錨點跟蹤的目標檢測和定位的方法，先提取關鍵點，顏色(RGB)和局部二值相似性模式(LBSP)特征為初始化的邊界框，構建外觀模型，再觀察模型比較關鍵點描述符，并進行目標定位，通過評估關鍵點的接近度來適應關鍵點的一致性，最后添加和刪除關鍵點來更新外觀模型。本發明采用多錨點跟蹤，有助于跟蹤一般的和可變形的目標對象，沒有對特定目標對象的限制；減少了照明、遮擋、變形、運動模糊等產生的影響，提高了分辨率和識別性能。

發明內容

針對準確率和穩定性不高的問題，本發明的目的在于提供一種基于多錨點跟蹤的目標檢測和定位的方法，先提取關鍵點，RGB和LBSP特征為初始化的邊界框，構建外觀模型，再觀察模型比較關鍵點描述符，并進行目標定位，通過評估關鍵點的接近度來適應關鍵點的一致性，最后添加和刪除關鍵點來更新外觀模型。

為解決上述問題，本發明提供一種基于多錨點跟蹤的目標檢測和定位的方法，其主要內容包括：

(一)特征提??；

(二)構建外觀模型；

(三)觀察模型；

(四)目標定位；

(五)一致性適應；

(六)外觀模型更新。

其中，所述的特征提取，它提取三個特征，即，點特征(指向目標中心的向量編碼的關鍵點)、顏色(RGB)和局部二值相似性模式(LBSP)；首先，針對邊界框檢測和描述關鍵點，將其編碼到錨點中；使用尺度不變特征變換(SIFT)的關鍵點，因為它們對于照明，旋轉，標度等是魯棒的，可以使用任何其他關鍵點；類似地，對于包含在邊界框中的目標，計算RGB直方圖和LBSP描述符；LBSP是一個16位的二進制編碼的描述符，提供了像素級建模；在RGB顏色模型中，所有的像素值在初始化包圍盒的加權三維直方圖中計算；因此，在建議的跟蹤框架中，保留三個特征作為參考模型的目標進行跟蹤；為了目標定位，僅使用錨點特征，在錨點外觀模型更新期間使用顏色和像素級特征。

其中，所述的構建外觀模型，從初始軸向包圍盒中得到濾波后的關鍵點，可以表示為G(P,L)的有向星狀圖結構的形式可視化，其中，頂點指向中心；P代表屬于目標的關鍵點和邊緣L，表示頂點和結構根之間的連接；關鍵點的向量是邊緣，記為指向中心；其中，包含關鍵點的位置相對于中心的歐氏距離；因此，錨點外觀模型包括以下內容：

(1)錨點模型中關鍵點的描述符；

(2)約束描述其相對于目標中心位置關鍵點的向量，由L表示一致性；

(3)短期(ST)和長期(LT)關鍵點，表明關鍵點與目標的相關性；位于目標中心附近的關

鍵點將具有與其他目標相比更高的LT一致性，并且在跟蹤過程期間在線適應學習參數。

其中，所述的觀察模型，在第一幀中構造外觀模型后，針對后續幀檢測和描述關鍵點；然后通過使用L2范數(測度空間上的平方可積函數構成的函數空間)比較它們的特征描述符，使這些關鍵點與存在于錨點外觀模型中的關鍵點的特征描述符相匹配；為了過濾不良的關鍵點匹配，使用比率測試刪除距離比大于0.9的匹配；此外，確定連續幀之間的關鍵點相互匹配對應，不考慮用于投射和目標定位的單側匹配關鍵點，只保留雙面相互匹配。

其中，所述的目標定位，考慮通過圖像空間中目標中心的關鍵點進行可視化投射；關鍵點指向目標中心的像素位置，使中心比周圍的其他像素位置給出更有價值的高斯補??；因此，當關鍵點k_i匹配時，它投射目標中心x，其結構化約束向量為：

其中，P(x|k_i)是由關鍵點給出的約束向量分數，k_i是目標中心，x和∑是協方差；

每個關鍵點對于具有受約束的矢量得分、長期一致性和短期一致性的目標中心投射，作為得分矩陣SM中的總分數；目標中心的總分可以表達為似然函數，由關鍵點的約束向量分數、長期一致性和短期一致性的數量積給出；作為關鍵點總分數的函數似然表達式可以寫為：